我有一个奇怪的问题，即将2个numpy矩阵（2d数组）关联到另一个。我认为这个问题是作为具有两个矩阵最好地描述A和B针对B的轴线= 1的索引已被混洗（的值A和B沿列轴（= 1）的位置正好有所不同）。我要查找的是索引映射m，A[:,m] == B因此我知道其中的哪一列B与中的哪一列有关A。
这是一个示例（鉴于a和b，我想找到m）：
>>> import numpy as np
>>> a = np.random.rand(70, 300)
# we set up `m` to demonstrate the issue, but in fact that's not given
>>> m = np.asarray(list(range(300)))
>>> m
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12,
13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25,
26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38,
39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51,
52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64,
65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77,
78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90,
...
>>> np.random.shuffle(m)
>>> m
array([209, 198, 17, 150, 181, 169, 47, 29, 109, 137, 149, 8, 85,
251, 254, 191, 133, 40, 106, 243, 202, 101, 269, 23, 248, 49,
3, 160, 88, 192, 166, 105, 283, 171, 128, 211, 206, 235, 185,
37, 250, 66, 272, 259, 260, 14, 50, 256, 10, 238, 177, 15,
51, 293, 53, 197, 11, 296, 111, 167, 86, 155, 215, 234, 80,
76, 42, 216, 104, 144, 90, 45, 70, 126, 30, 117, 6, 139,
299, 232, 182, 95, 129, 217, 55, 279, 118, 189, 180, 285, 157,
79, 159, 294, 68, 244, 91, 52, 56, 127, 187, 131, 292, 164,
132, 38, 87, 265, 173, 123, 154, 26, 143, 223, 276, 257, 263,
93, 261, 179, 186, 267, 59, 221, 44, 31, 21, 9, 194, 25,
...
>>> b = a[:, m] # initialise `b`
>>> (a == b).all()
False
>>> (b == a[:, m]).all()
True
另一个错综复杂的事实是，矩阵实际上有点稀疏，这意味着可能存在许多可能的m版本（但我并不期望太多，因为行数相对较大，应该限制歧义的数量）。
我认为没有做到这一点的纯粹方法。A的第一个维度上的简单for循环可以检索m。
import numpy as np
shape = (5, 5)
A = np.random.rand(*shape)
# we set up `m` to demonstrate the issue, but in fact that's not given
m = np.asarray(list(range(shape[1])))
np.random.shuffle(m)
B = A[:, m]
对于B中的每个列i，我们可以找到A中的第j列，通过注意B [:, i]-A [:, j] = 0进行匹配，因此对于上面描述的简单情况，我们可以这样做：
m = []
for b in B[0]:
m.append((np.argmin(np.abs(A[0] - b))))
对于稀疏矩阵，如果存在一些i和j st A [:, i] = A [:, j]，则m不是唯一的，但我们可以通过简单的方法获得m
m = []
for i in range(B.shape[1]):
m.append((np.argmin(np.linalg.norm(A - np.tile(B[:, i].reshape(-1, 1), shape[1]), axis=0))))
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句